【Yolov5学习】1.环境搭建

零、前言

1、 可以提前下载

• Pycharm，500M?
• Anaconda，600M左右
• Pytorch，超过1个G

2、 本机环境（拯救者R9000P）

• Windows11+AMD+RTX3070(8G)+cuda11.6+pytorch1.12.1+conda+pycharm+python3.8

3、 简要介绍各名词

• 我们要通过pycharm写代码，通过conda（anaconda）管理不同环境需要的python版本解释器，通过pytorch深度学习库，用yolo模型，通过cuda计算框架–调用cudnn深度学习工具—调用GPU驱动—通过GPU的流处理单元，实现对模型的训练
• 详细了解python、pycharm、anaconda的关系

一、cuda和cudnn安装（英伟达显卡想要DL的驱动）

• 这个去网上找一下，挺多的
• cuda11.7+cudnn 我的环境百度网盘
• 链接：https://pan.baidu.com/s/1h7d90owaDNsY0Fcxbo9hlQ
  提取码：60z7

二、首先下载Anaconda（管理不同python版本和引入模块的工具）

• Anaconda官网

三、安装Pycharm（编辑代码的工具-可以先不装）

官网，community版本就行

四、创建torch环境（提前给专属于这个项目(yolov5)建个壳子）

• 熟练的就这三行代码

# 先进入到conda终端
conda create -n torch python==3.8.0
conda env list
conda activate torch

• 不熟悉的往下看
  

1、在Anaconda下创建pytorch虚拟环境（给Pytorch创建一个坑）

conda create -n 环境名称 python==版本

conda create -n torch python==3.8.0

创建的环境在这个文件夹里能看见：…anaconda\envs

2、之后查看当前conda有几个环境（应该只有base和刚创建的torch环境）

conda env list

星号为

3.1、anaconda激活torch环境-推荐

当前所在的位置，这里激活刚创建的torch环境可以使用如下命令

conda activate torch

激活之后雪花会在对应的环境上

3.2、Pycharm激活环境（后期用）

五、安装pytorch（python深度学习的库）

• 之后这个环境里还会通过pip install 或者 conda install 安装各种依赖，pytorch只不过是其中比较难搞的一个

• 前往pytorch官网查看:pytorch（超过1个G）

• 根据自己的各项版本下载，这个继续在刚刚的终端里输入，就会安装到刚刚激活的环境里

• 

• 提示的note的’conda-forge’ 可以忽略，他想告诉你下载的东西需要去这个库里下(没有则忽略)

conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge

等待下载完成。下载完成后，输入以下命令查看是否能够使用GPU（还是在当前的环境下）：

python
import torch 
print(torch.__version__)
print("gpu", torch.cuda.is_available())
// gpu True

六、总结

搭建环境总共分成3部分

• 1、底座GPU cuda和cudnn的实现
• 2、Anaconda+Pycharm 编辑器
• 3、Pytorch或者tensorflow深度学习框架环境的搭建